【Python 库】正则表达式 re 模块

正则是处理字符串最常用的方法，我们编码中到处可见正则的身影。

正则大同小异，python 中的正则跟其他语言相比略有差异：

1、替换字符串时，替换的字符串可以是一个函数

2、split 函数可以指定分割次数，这会导致有个坑

3、前项界定的表达式必须定长

下面详细描述下 re 模块的使用方法，其实，注意上面提到的三点差异就好

1、match

说明：

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回 None。

语法：

re.match(pattern, string, flags=0)

flags为可选标识，多个标识可以通过按位或 (|) 来指定。如 re.I | re.M 被设置成 I 和 M 标识：

修饰符	描述
re.I	使匹配对大小写不敏感
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

匹配成功re.match方法返回一个匹配的对象，可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。group() 或 group(0)，返回整个正则表达式的匹配结果。

举例：

s= 'abc123abc'

print(re.match('[a-z]+', s))　　　　　　　　　　　# <_sre.SRE_Match object; span=(0, 3), match='abc'>

print(re.match('[a-z]+', s).group(0))　　　　　　# abc
print(re.match('[\d]+', s))　　　　　　　　　　　　# None
print(re.match('[A-Z]+', s, re.I).group(0))　　 # abc
print(re.match('[a-z]+', s).span())　　　　　　　# (0, 3)

2、search

说明：

re.search 扫描整个字符串并返回第一个成功的匹配。

语法：

re.search(pattern, string, flags=0)

匹配成功re.search方法返回一个匹配的对象，否则返回None。可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

举例：

s = 'abc123abc'

print(re.search('[a-z]+', s).group())　　# abc
print(re.search('[a-z]+', s).span())　　 # (0, 3)
print(re.search('[\d]+', s).group())　　 # 123
print(re.search('[\d]+', s).span())　　  # (3, 6)
print(re.search('xyz', s))　　　　　　　　 # None

groupdict

groupdict 返回匹配到的所有命名子组的字典。

print(re.search('[a-z]+', s).groupdict())          # {}

print(re.search('(?P<letter>[a-z]+)(?P<num>\d+)', s).groupdict())  # {'num': '123', 'letter': 'abc'}

3、sub 和 subn

说明：

re.sub用于替换字符串中的匹配项。

re.subn返回一个元组，包含替换后的字符串及替换次数。

语法：

sub(pattern, repl, string, count=0, flags=0)

repl: 替换的字符串，也可为一个函数。

count: 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。

举例：

s = 'abc123abc'

print(re.sub('[\d]+', '数字', s))       # abc数字abc
print(re.sub('[a-z]+', '字母', s, 1))   # 字母123abc

# 将匹配的数字乘以 2
def double(matched):
    value = int(matched.group('value'))
    return str(value * 2)


# repl是一个函数
print(re.sub('(?P<value>\d+)', double, s))　　# abc246abc
print(re.subn('[\d]+', '数字', s))　　　　　　  # ('abc数字abc', 1)
print(re.subn('[a-z]+', '字母', s,))　　　　　　# ('字母123字母', 2)
print(re.subn('[a-z]+', '字母', s, 1))　　　　 # ('字母123字母', 1)

4、compile

说明：

re.compile 用于编译正则表达式，生成一个正则表达式（Pattern）对象，供 match() 和 search() 这两个函数使用。

语法：

compile(pattern, flags=0)

举例：

s = 'abc123abc'

p = re.compile('[\d]+')

print(p.match(s, 4, 5).group(0))    # 2 从位置4开始匹配到位置5
print(p.search(s).group(0))         # 123

5、findall

说明：

re.findall 在字符串中查找正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

语法：

findall(pattern, string, flags=0)

举例：

s = 'abc123abc'

print(re.findall('[a-z]+', s))  # ['abc', 'abc']
print(re.findall('[h-n]+', s))  # []

6、finditer

说明：

finditer和 findall 类似，在字符串中查找正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。

语法：

finditer(pattern, string, flags=0)

举例：

s = 'abc123def'

it = re.finditer('[a-z]+', s)

for match in it:
    print(match.group())

7、split

说明：

re.split 方法按照能够匹配的子串将字符串分割后返回列表。

语法：

split(pattern, string, maxsplit=0, flags=0)

maxsplit：分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。

举例：

print(re.split('a', '1A1a2A3', re.I))           # ['1A1', '2A3']

# 输出结果并未能区分大小写，这是因为re.split(pattern，string，maxsplit, flags)默认是四个参数，当我们传入的三个参数的时候，系统会默认re.I是第三个参数，所以就没起作用。
# 如果想让这里的re.I起作用，写成flags=re.I即可。
print(re.split('a', '1A1a2A3', flags=re.I))     # ['1', '1', '2', '3']

8、escape

说明：

re.escape对字符串里面的特殊字符串进行转义。

语法：

escape(pattern)

举例：

print(re.escape('www.dxy.cn'))  # www\.dxy\.cn

9、正则

“(?P<name>…)”：分组，并将其命名为<name>。

“(?P=name)”：引用别名为<name>的分组匹配到的串。

 

10、前项（否定）界定中的特殊

正则中常用的前项界定(?<=exp)和前项否定界定(?<!exp)在 python 中会报错：look-behind requires fixed-width pattern，原因是 python 中前项界定的表达式必须是定长的，例如

(?<=aaa) 　　# 正确

(?<=aaa|bbb) # 正确

(?<=aaa|bb)　# 错误

(?<=\d+) 　　# 错误

(?<=\d{3}) 　# 正确